窑医疗卫生装备窑2024年3月第45卷第3期悦澡蚤灶藻泽藻酝藻凿蚤糟葬造耘择怎蚤责皂藻灶贼允燥怎则灶葬造窑灾燥造援45窑晕燥援3窑March窑2024基于改进YOLOv8模型的巡检机器人目标检测方法研究殷北辰，王子健，程智*，徐新喜*（军事科学院系统工程研究院，天津300161）[摘要]目的院针对巡检机器人对指针式仪表识别准确率不够高、对被遮挡仪表识别效果较差的问题，提出一种基于改进YOLOv8模型的巡检机器人目标检测方法。方法院首先，以YOLOv8n模型作为基础目标检测模型，在此基础上引入坐标注意力机制，加强模型对输入数据的空间结构理解；其次，将损失函数由完整交并比（completeIoU，CIoU）损失函数替换为高效交并比（efficientIoU，EIoU）损失函数，加快模型检测框的收敛速度；最后，采用柔性非极大值抑制（softnon-maximumsuppression，Soft-NMS）函数替代传统的非极大值抑制（non-maximumsuppression，NMS）函数，以更加平滑地抑制冗余的边界框，进一步提高检测的准确率。为验证改进模型对检测目标的识别效果，将YOLOv8n模型与改进后的YOLOv8模型（YOLOv8nxt模型）进行对比。结果院与YOLOv8n模型相比，YOLOv8nxt模型的位置损失值降低了1.3%，mAP_0.5：0.95提高了1.7%，检测准确率提高了0.87%，模型大小仅为6.2M，检测时间仅增加了0.2ms。结论院基于改进YOLOv8模型的巡检机器人目标检测方法提升了巡检机器人在运动过程中对仪表的识别精度和速度，能有效解决巡检机器人在目标检测阶段存在的问题。[关键词]YOLOv8模型；巡检机器人；目标检测；注意力机制[中国图书资料分类号]R318曰TP242.3[文献标志码]A[文章编号]1003-8868渊2024冤03-0001-08DOI院10.19745/j.1003-8868.2024041ImprovedYOLOv8model-basedobjectdetectionmethodforinspectionrobotYINBei-chen,WANGZi-jian,CHENGZhi*,XUXin-xi*(SystemsEngineeringInstituteofAcademyofMilitaryScience,People'sLiberationArmy,Tianjin300161,China)AbstractToproposeaobjectdetectionmethodbasedonanimprovedYOLOv8modeltosolvetheproblemsoftheinspectionrobotinlowaccuracyforrecognizingpointer-typeorobscuredmeters.Firstly,aYOLOv8modelwaschosenasthefoundationobjectdetectionmodel,basedonwhichthecoordinateattention(CA)mechanismwasintroducedtoenhancethemodel'sunderstandingofthespatialstructureoftheinputdataoverlongdistances;secondly,theoriginalcompleteIoU(CIoU)lossfunction...
